Massachusetts Institute of Technology（麻省理工学院）

Introducing the Generative Application Firewall (GAF)

引入生成应用防火墙（GAF）

Joan Vendrell Farreny, Martí Jordà Roca, Miquel Cornudella Gaya, Rodrigo Fernández Baón, Víctor García Martínez, Eduard Camacho Sucarrats, Alessandro Pignati

机构 * University of the Aegean（爱琴海大学） ； University of Cambridge（剑桥大学） ； OWASP GenAI Security Project（OWASP生成式AI安全项目） ； University of Liverpool（利物浦大学） ； MIT Computer Science and Artificial Intelligence Laboratory（MIT计算机科学与人工智能实验室） ； Center for AI and Digital Policy（人工智能与数字政策中心） ； Huawei（华为） ； Cloud Security Alliance（云安全联盟） 纠错

AI总结 本文提出GAF，一种统一保护LLM应用的架构层，整合现有防御措施并扩展至自主代理与工具交互。

Latent Causal Diffusions for Single-Cell Perturbation Modeling

潜在因果扩散用于单细胞扰动建模

Lars Lorch, Jiaqi Zhang, Charlotte Bunne, Andreas Krause, Bernhard Schölkopf, Caroline Uhler

机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系） ； Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（麻省理工学院信息与决策系统实验室） ； Eric and Wendy Schmidt Center, Broad Institute of MIT and Harvard（MIT和哈佛大学博德研究所埃里克·安德森·温德斯中心） ； School of Computer and Communication Sciences, EPFL（苏黎世联邦理工学院计算机与通信科学学院） ； Swiss Institute for Experimental Cancer Research, School of Life Sciences, EPFL（瑞士实验癌症研究所以及EPFL生命科学学院） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（德国图宾根最大计划智能系统研究所） ； ELLIS Institute, Tübingen, Germany（德国图宾根ELLIS研究所） 纠错

AI总结 本文提出潜在因果扩散模型，用于单细胞扰动建模，通过因果线性化方法揭示基因调控的因果结构。

AutoSciDACT: Automated Scientific Discovery through Contrastive Embedding and Hypothesis Testing

AutoSciDACT：通过对比嵌入和假设检验实现自动化科学发现

Samuel Bright-Thonney, Christina Reissel, Gaia Grosso, Nathaniel Woodward, Katya Govorkova, Andrzej Novak, Sang Eon Park, Eric Moreno, Philip Harris

机构 * Department of Physics, Massachusetts Institute of Technology（麻省理工学院物理系） ； The NSF AI Institute for Artificial Intelligence and Fundamental Interactions（国家科学基金会人工智能与基本相互作用研究所） ； Department of Physics, University of Wisconsin, Madison（威斯康星大学麦迪逊分校物理系） 纠错

AI总结 AutoSciDACT通过对比嵌入和假设检验，实现科学数据中新颖性的自动化检测与统计量化。

Comments Accepted at NeurIPS 2025; 33 pages, 16 figures